综述：新兴多模态侧流免疫分析：面向强化食品安全监测的合理信号协同设计

《Food Chemistry: X》：Emerging multimodal lateral flow immunoassays: Rational signal synergy design for enhanced food safety monitoring

　　

侧流免疫分析（lateral flow immunoassay, LFIA）已成为食品危害快速现场筛查的核心工具。然而，传统的单模态LFIA灵敏度不足，且易受基质干扰，在实际应用中构成重大挑战。近年来，包括比色、催化、磁性、荧光和光热在内的多模态信号系统性整合，已成为提高检测灵敏度、抗干扰能力和定量准确性的关键策略。值得注意的是，多模态LFIA的性能取决于功能材料的设计和设备支持。基于此，本综述系统地总结了四个关键方面：1）多种功能纳米材料的内在性质；2）从高精度实验室仪器到便携式传感器的设备支持，并由人工智能增强；3）复杂基质中食品污染物监测的实际应用；4）当前瓶颈与未来展望。本综述旨在为推进多模态LFIA向更通用、更用户友好的检测工具发展提供有价值的理论基础。

1. 引言
侧流免疫分析（lateral flow immunoassay, LFIA）作为即时检测（point-of-care testing, POCT）的基石技术，凭借其简单、快速、便携和成本效益高的特点被全球广泛采用。然而，传统单模态LFIA面临三大关键局限：其一，灵敏度受限，胶体金比色法检出限（limit of detection, LOD）通常仅为ng/mL级别，难以满足痕量食品污染物μg/kg级别的检测需求；其二，抗干扰能力弱，复杂基质易干扰信号产生；其三，单一信号模式无法同时兼顾便携性、灵敏度与定量可靠性。为克服上述局限，整合两种及以上互补信号模式的双模态或多模态LFIA系统应运而生，其通过协同信号提升灵敏度、定量可靠性、抗干扰能力及应用灵活性。本综述引入“合理信号协同设计”概念，从纳米探针和读出设备两个维度，阐述了如何通过协同信号生成、转导、放大与交叉验证来最大化多模态检测系统综合性能。与以往聚焦单一信号域的综述不同，本文从材料基础、设备支持和实际应用三个相互关联的视角，系统回顾了2020年至今双/多模态LFIA在食品危害物检测中的最新进展，并提出了当前瓶颈与未来方向。

2. 信号协同设计的材料基础
2.1 基本功能材料
依据材料在信号处理中的核心作用，可将其分为六类。有色材料是最广泛使用的信号转导元件，其信号主要源于局域表面等离子体共振（localized surface plasmon resonance, LSPR）效应，典型代表包括金纳米颗粒（AuNPs）、银纳米颗粒（AgNPs）等贵金属纳米颗粒（NMNPs）、碳纳米颗粒（CNPs）及染料，具有免仪器裸眼读出的优势。荧光材料通过光致发光产生信号，分为无机荧光材料（如量子点（quantum dots, QDs）、稀土纳米颗粒、上转换纳米颗粒）、有机荧光材料（如碳点（carbon dots, CDs）、聚集诱导发光发光体（aggregation-induced emission luminogens, AIEgens））及有机-无机杂化荧光材料，具有高灵敏度与低背景特点。磁性材料以Fe₃O₄为核心，可在磁场下实现目标物的快速分离富集，并作为标记探针进行磁性定量。SERS活性材料利用贵金属纳米结构的LSPR产生强电磁场，将吸附分子的拉曼信号放大10⁶–10¹⁴倍，典型代表为Au@Ag核壳结构。光热材料通过非辐射弛豫将近红外（near-infrared, NIR）光转化为热量，涵盖贵金属基复合物、半导体纳米材料及二维材料复合物，其中合理结构工程可使光热转换效率（photothermal conversion efficiency, PCE）大幅提升。纳米酶是具有类酶催化活性的功能纳米材料，可通过催化底物显色或产生光热信号实现信号放大，主要分为天然酶-纳米酶杂化物、类氧化酶纳米酶和类过氧化物酶纳米酶。

2.2 用于信号协同的多功能纳米材料
多功能纳米材料是多模态LFIA实现信号协同的物质基础。双信号协同多基于比色信号引入催化、荧光、光热或SERS等互补模式，例如磁性普鲁士蓝纳米酶（magnetic Prussian blue nanozymes, MPBN）提供比色与催化双信号；Fe₃O₄@CuS纳米结构结合比色与光热信号；Au@4-MBN@Ag纳米棒实现比色与SERS双模态检测。三信号协同进一步扩展功能，如Au@Pt@Ag@DTNB整合比色、光热与SERS信号；PtNiCo@TA三金属纳米花结合比色、催化与光热信号；核壳壳荧光磁性纳米球（CFMNs）协同磁性、比色与荧光信号；Fe₃O₄@AuNPs同时输出比色、光热与磁性信号。四信号协同通过精密结构设计实现非干扰多信号输出，如多功能蒲公英状Au@Pt纳米颗粒（MDGP）整合荧光猝灭、比色、催化与光热四重信号，用于苹果中啶虫脒的超灵敏检测，LOD达0.008 ng/mL。信号协同设计的核心在于通过核壳结构、异质结等工程手段实现多信号单元兼容共存，并利用协同效应突破单一材料的性能瓶颈。

3. 实现信号协同的设备支持
3.1 实验室级设备
实验室级设备以高分辨率、严格校准和高级数据处理见长，是验证信号协同机制和获取可靠参考数据的关键。荧光光谱仪用于评估荧光探针的荧光强度、寿命和偏振等指标，并研究荧光猝灭和荧光共振能量转移过程。拉曼光谱仪可捕获SERS标签的特征振动峰并量化其强度，例如采用785 nm激发光源的便携式拉曼光谱仪实现了对4-MBA报告分子在1077 cm^-1特征峰的检测。磁信号读取器基于磁阻或磁通感应技术，将检测线上磁纳米颗粒的空间分布转换为电信号，不依赖光与物质的相互作用，故不受样品浊度、色素或自发荧光的干扰。

3.2 用于现场信号读出的便携式设备
便携式试纸条读取器通过调节激发和采集参数，可独立区分并量化同一试纸条上多种原始或放大后的信号状态，实现多模态信号的数字读出。智能手机是最广泛使用的现场检测平台，其内置高分辨率相机可采集测试线RGB值，配合自开发应用程序或ImageJ软件完成定量分析；同时，智能手机与红外热成像仪和NIR激光器联用可实现“光-热-信号”转换的光热定量检测。手持辅助工具包括便携式拉曼光谱仪、手持热成像仪与NIR激光器、便携式紫外灯等，分别满足SERS信号、光热信号和荧光信号的现场检测需求。

3.3 人工智能增强集成系统
多模态LFIA产生的高维复杂数据需要人工智能（artificial intelligence, AI）作为“数字大脑”进行处理。基于机器学习（machine learning, ML）的数据融合策略可提取多个信号模态的互补特征，并量化信号模式与食品基质之间的复杂关系。例如，在多峰拉曼光谱分析中，ML多元线性回归模型整合五个特征峰进行统一校准，有效校正了基质诱导的系统偏差。此外，AI还支持将分析输出转化为决策导向信息，如基于人工神经网络（artificial neural network, ANN）构建风险分层模型，将双模输入映射为不同的毒理学风险等级，实现了现场风险评估。然而，ML模型的跨基质泛化能力、制造批次一致性以及相关监管框架仍是商业化应用需解决的关键问题。

4. 多模态LFIA在食品安全中的应用
4.1 病原体
多模态LFIA在复杂基质中的食源性病原体检测中展现了显著优势。基于树突状聚多巴胺（PDA）修饰AuNPs的比色/荧光双模态LFIA实现了大肠杆菌O157:H7的检测，LOD为90.6 CFU/mL。针对光学干扰严重的食品基质，基于Mn-AuNPs的比色/催化/光热三模态LFIA可在牛奶和苹果汁中保持LOD为239 CFU/mL。对于鼠伤寒沙门氏菌，基于普鲁士蓝@金（PB@Au）纳米复合材料的三模态LFIA整合比色、光热与催化信号，灵敏度较单模态提高10倍。后续研究进一步开发了基于PtMnIr纳米酶的免标记LFIA，通过粗糙表面实现抗体非依赖性捕获，简化操作并提高了复杂基质中的检测效率。

4.2 真菌毒素
多模态LFIA在真菌毒素检测中已实现从单毒素单信号到多毒素多信号的跨越。基于树枝状铂纳米颗粒的压力/比色双模态LFIA检测中药中黄曲霉毒素B1（AFB1），LOD为0.03 ng/mL。基于AuNFs及增强绿色荧光蛋白的荧光/比色双模态LFIA检测玉米中AFB1，LOD低至0.0024 ng/mL。基于CuS@Au异质结的比色/光热双等离激元LFIA可同时检测玉米和大豆中T-2毒素和脱氧雪腐镰刀菌烯醇（DON），LOD分别为0.011 ng/mL和0.248 ng/mL，表明多模态策略可与多目标分析兼容。

4.3 农药残留
多模态LFIA在农药残留检测领域的应用日益广泛。基于等离激元金纳米星的比色/光热双模态LFIA检测蔬菜中的多菌灵，灵敏度较传统AuNP-LFIA提高4倍。基于AuDTNB@Ag纳米颗粒的SERS-比色双模态LFIA用于黄瓜和烟草中三唑酮的检测，SERS模式的LOD为4.39 ng/mL。然而，当前研究大多集中于单一农药类别，未来需扩展目标覆盖范围、优化信号组合方式以满足更广泛的食品安全监测需求。

4.4 兽药残留
多模态LFIA已用于多种兽药残留检测。基于PDA包覆金纳米棒的比色/光热双模态LFIA实现了牛奶中恩诺沙星的检测，LOD为5 ng/mL。基于Au@PdPt核壳纳米颗粒的比色/光热双模态LFIA可在水和牛奶中检测氧氟沙星，回收率为80.72%–115.24%。此外，“四合一”多模态LFIA利用纳米酶的比色、催化和光热活性检测湖水和鱼中地西泮，可根据具体分析需求灵活选择信号组合，在pg/mL级别灵敏度和快速分析之间取得平衡。

5. 结论与展望
5.1 关键技术挑战
多模态LFIA的转化应用面临四方面挑战：多信号纳米材料的制备涉及复杂步骤、苛刻条件和较高成本，导致批次稳定性差，限制规模化；抗体等生物识别元件存在小分子半抗原高亲和抗体难以制备、批次差异大及储存稳定性有限等问题；SERS光谱仪等设备成本较高，智能手机定量分析易受环境光干扰；此外，缺乏统一的标准化操作程序导致不同实验室间检测结果可比性差，阻碍监管规范的制定。

5.2 未来发展方向
未来研究应聚焦四个方向：一是开发绿色高性能材料，通过一步合成、仿生组装和自组装策略制备低成本、生物相容性好且批次稳定的多信号纳米材料，并提升其环境耐受性和长期储存稳定性；二是优化识别元件，结合噬菌体展示和抗体工程开发高亲和力重组抗体，采用位点特异性偶联保持抗体活性，同时探索纳米抗体和适配体等替代识别元件；三是发展便携化、智能化和集成化设备，推动光谱仪小型化、深度学习算法深度融合和芯片实验室（lab-on-a-chip）集成平台开发，将样品前处理、信号检测与数据分析集成于单一微芯片；四是建立统一技术标准，联合学术界、产业界和监管机构制定涵盖纳米材料表征、抗体性能评价、样品前处理流程和信号定量准则的标准体系，以推动多模态LFIA从概念验证走向商业化应用。